搭建人工智慧量化投資平臺 讓金融投資更加“智慧”

從刷臉支付到無人超市， 從智慧醫療到無人駕駛……人工智慧正以不可思議的發展速度席捲全球， 刷新著人們的認知， 重塑著各行各業的生態格局。 其中， 金融行業無疑是極具價值又充滿挑戰性的人工智慧應用場景， 受到人工智慧的深刻影響

迎接人工智慧時代， 優秀的金融投資機構必然大力發展人工智慧系統。 合理運用人工智慧技術， 將給金融領域注入新活力、帶來新機遇——這是行業從業者的共識。

墨寬投資創始人黃文堅， 是主要為開發商和資料科學家提供舉辦機器學習競賽、託管資料庫、編寫和分享代碼的平臺， 也是資料演算法專家脫穎而出的重要管道。 據瞭解， 該平臺已經吸引了80多萬名專業人士的關注。 2017年3月， 穀歌宣佈收購Kaggle， 或許正是看到了Kaggle背後的巨大資源。

在我國， 阿裡巴巴、百度等大型互聯網公司也舉辦過大量資料演算法比賽，

希望通過吸引優秀資料演算法人才形成優秀的人工智慧解決方案， 並運用到實際中去。 但是具體到金融投資領域， 由於門檻更高、問題更複雜， 目前國內並沒有類似的大型人工智慧金融投資演算法比賽， 因此很難得到有價值的人工智慧方案。 為解決這個問題， 墨寬人工智慧量化投資平臺借助機器學習手段， 打造出一個人工智慧系統來分析金融市場。

黃文堅告訴記者， “機器學習是通過一系列演算法， 挖掘出歷史資料中我們關心的規律的技術手段， 並期望這些挖掘出的規律能説明我們正確預測未來資料”。 在金融領域， 從業者們其實也做著同樣的工作。 以計畫長期持有某檔股票為例， 分析師們一般會關注公司的基本面資訊、財務狀況和發展規劃等因素，

從而對公司的未來運營狀況作出預測， 決定是否投資。 如果將公司的信息量化成各種資料因數， 將預測目標改為公司的未來發展趨勢、風險情況， 整個問題就可以通過機器學習方法解決， 獲得可靠的預測， 並指導投資行為。

據墨寬投資演算法總監張麟介紹， “我們參考專業的資料科學競賽模式， 創建了自身比賽模式。 通過平臺在網上抓取新聞、報導、交易等資料， 抽象成一個投資問題， 或是與金融機構合作， 依據他們的實際問題抽象成資料演算法賽題， 由參賽者（資料演算法專家）基於資料構建模型”。

張麟表示， 平臺會提供比賽的題目、資料和評價體系以及賽前賽後支援。

具體來說， 資料會分為訓練和測試集合兩部分：訓練集合會完整的給到每位元參賽者， 包含特徵和比賽目標資料；測試集合只將特徵資料提供給參賽者。 參賽選手下載訓練資料後， 依據題目內容， 運用人工智慧演算法構建模型， 挖掘資料中特徵和目標的潛在關係， 並根據模型產出在測試集合上對目標的預測結果。 平臺會基於參賽選手提交的預測結果打分， 用於評估模型優劣。 每場比賽結束後， 優秀策略模型將會被平臺收錄， 打造成人工智慧量化投資系統， 被實際投入到市場中使用。 最後， 平臺會拿出一部分投資收益回饋給模型開發者。

可以預見， 隨著金融投資與人工智慧融合的不斷加深， 將有更多跨界合作的機會出現，

最終探索出金融與人工智慧合作共贏的穩定模式。 “我們希望未來充分整合資料科學家、投資人、資產， 實現眾包量化金融的理想， 讓每一個投資者都能參與進來， 共用金融科技發展成果。 ”黃文堅說。

（責編：李丹丹）